基于改进区域卷积神经网络的SAR图像船只检测方法

论文摘要

准确地掌握船只目标的位置和分布对海上交通管理、海洋事故救援及海洋环境保护等非常重要。近年来,合成孔径雷达(SAR)广泛应用到海上船只目标探测中。本文提出一种基于深度学习框架的船只检测方法,该方法根据SAR图像中船只目标的特点,对区域卷积神经网络的输入部分及目标候选框提取部分做出了适应性改进,并对训练方法进行了优化。实验表明,本文提出的方法能够在不同分辨率的SAR图像中检测出密集分布、沿岸分布等不同场景下不同大小的船只目标,且检测结果不受旁瓣等噪声的干扰,能够完整地保留船只目标的细节信息,实现整体检测。

论文目录

• 1 网络结构及训练方法优化
•   1.1 网络输入优化调整
•   1.2 目标候选框优化调整
•   1.3 数据库目标类别划分
• 2 实验及结果分析
•   2.1 实验数据
•   2.2 网络训练
•   2.3 实验结果
• 3 结语

文章来源

类型: 期刊论文

作者: 石洪基,郎海涛,宋棋,聂晓风,郭展宏,刘梦茜

关键词: 船只目标检测,快速区域卷积神经网络,深度学习,合成孔径雷达

来源: 中国海洋大学学报(自然科学版) 2019年S2期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 船舶工业,电信技术,计算机软件及计算机应用,自动化技术

单位: 北京化工大学数理学院物理与电子科学系

基金: 国家自然科学基金项目(61471024),海洋公益性科研专项(201505002-1)资助~~

分类号: TP183;TN957.52;U675.79

DOI: 10.16441/j.cnki.hdxb.20180429

页码: 185-191

总页数: 7

文件大小: 2540K

下载量: 120